論文の概要: Brain-inspired algorithms for processing of visual data
- arxiv url: http://arxiv.org/abs/2103.01634v1
- Date: Tue, 2 Mar 2021 10:45:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-03 16:03:09.146409
- Title: Brain-inspired algorithms for processing of visual data
- Title(参考訳): 視覚データ処理のための脳型アルゴリズム
- Authors: Nicola Strisciuglio
- Abstract要約: 視覚野のニューロンの機能に関する神経科学的知見に基づく画像処理とコンピュータビジョンのアプローチを概観する。
入力刺激の変化に対する安定性が向上した視覚系を提供するため,一部のニューロンの応答抑制機構に特に注目する。
- 参考スコア(独自算出の注目度): 5.045960549713147
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The study of the visual system of the brain has attracted the attention and
interest of many neuro-scientists, that derived computational models of some
types of neuron that compose it. These findings inspired researchers in image
processing and computer vision to deploy such models to solve problems of
visual data processing. In this paper, we review approaches for image
processing and computer vision, the design of which is based on
neuro-scientific findings about the functions of some neurons in the visual
cortex. Furthermore, we analyze the connection between the hierarchical
organization of the visual system of the brain and the structure of
Convolutional Networks (ConvNets). We pay particular attention to the
mechanisms of inhibition of the responses of some neurons, which provide the
visual system with improved stability to changing input stimuli, and discuss
their implementation in image processing operators and in ConvNets.
- Abstract(参考訳): 脳の視覚系の研究は、脳を構成するいくつかの種類のニューロンの計算モデルから派生した多くの神経科学者の関心と関心を惹きつけている。
これらの発見は画像処理とコンピュータビジョンの研究者に視覚データ処理の問題を解決するためにそのようなモデルをデプロイするきっかけとなった。
本稿では、視覚野におけるいくつかのニューロンの機能に関する神経科学的な知見に基づいて、画像処理とコンピュータビジョンのアプローチを検討する。
さらに、脳の視覚系の階層構造と畳み込みネットワーク(Convolutional Networks, ConvNets)の構造とのつながりを分析します。
入力刺激の変化に対する安定性が向上した視覚系を提供するニューロンの応答抑制機構に特に注意を払い、画像処理オペレータとconvnetsにおけるそれらの実装について論じる。
関連論文リスト
- Graph Neural Networks for Brain Graph Learning: A Survey [53.74244221027981]
グラフニューラルネットワーク(GNN)は、グラフ構造化データのマイニングにおいて大きな優位性を示している。
脳障害解析のための脳グラフ表現を学習するGNNが最近注目を集めている。
本稿では,GNNを利用した脳グラフ学習の成果をレビューすることで,このギャップを埋めることを目的としている。
論文 参考訳(メタデータ) (2024-06-01T02:47:39Z) - Deep Learning for Visual Neuroprosthesis [22.59701507351177]
視覚経路は、視覚情報の符号化と処理に寄与する細胞と領域の複雑なネットワークを含んでいる。
本章では、視覚知覚の重要性と、視覚情報が脳内でどのようにエンコードされ、どのように表現されるかを理解する上での課題について論じる。
論文 参考訳(メタデータ) (2024-01-08T02:53:22Z) - Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳(メタデータ) (2023-12-01T05:20:57Z) - Unidirectional brain-computer interface: Artificial neural network
encoding natural images to fMRI response in the visual cortex [12.1427193917406]
本稿では,人間の脳を模倣する人工ニューラルネットワークVISIONを提案する。
VISIONは、人間の血行動態の反応をfMRIボクセル値として、最先端の性能を超える精度で45%の精度で予測することに成功した。
論文 参考訳(メタデータ) (2023-09-26T15:38:26Z) - Constraints on the design of neuromorphic circuits set by the properties
of neural population codes [61.15277741147157]
脳内では、情報はコード化され、伝達され、行動を伝えるために使用される。
ニューロモルフィック回路は、脳内のニューロンの集団が使用するものと互換性のある方法で情報を符号化する必要がある。
論文 参考訳(メタデータ) (2022-12-08T15:16:04Z) - BI AVAN: Brain inspired Adversarial Visual Attention Network [67.05560966998559]
機能的脳活動から直接人間の視覚的注意を特徴付ける脳誘発対人視覚注意ネットワーク(BI-AVAN)を提案する。
本モデルは,人間の脳が監督されていない方法で焦点を絞った映画フレーム内の視覚的物体を識別・発見するために,注意関連・無視対象間の偏りのある競合過程を模倣する。
論文 参考訳(メタデータ) (2022-10-27T22:20:36Z) - Adapting Brain-Like Neural Networks for Modeling Cortical Visual
Prostheses [68.96380145211093]
皮質補綴は視覚野に移植された装置で、電気的にニューロンを刺激することで失った視力を回復しようとする。
現在、これらのデバイスが提供する視覚は限られており、刺激による視覚知覚を正確に予測することはオープンな課題である。
我々は、視覚システムの有望なモデルとして登場した「脳様」畳み込みニューラルネットワーク(CNN)を活用することで、この問題に対処することを提案する。
論文 参考訳(メタデータ) (2022-09-27T17:33:19Z) - A neuromorphic approach to image processing and machine vision [0.9137554315375922]
画像分割,視覚的注意,物体認識などの視覚的タスクの実装について検討する。
我々は,人工視覚システムを実現するために,メムリスタなどの不揮発性メモリデバイスの利用を強調してきた。
論文 参考訳(メタデータ) (2022-08-07T05:01:57Z) - Functional2Structural: Cross-Modality Brain Networks Representation
Learning [55.24969686433101]
脳ネットワーク上のグラフマイニングは、臨床表現型および神経変性疾患のための新しいバイオマーカーの発見を促進する可能性がある。
本稿では,Deep Signed Brain Networks (DSBN) と呼ばれる新しいグラフ学習フレームワークを提案する。
臨床表現型および神経変性疾患予測の枠組みを,2つの独立した公開データセットを用いて検証した。
論文 参考訳(メタデータ) (2022-05-06T03:45:36Z) - The Selectivity and Competition of the Mind's Eye in Visual Perception [8.411385346896411]
階層的競争の形で横方向と上下方向のフィードバックを組み込んだ,新しい計算モデルを構築した。
これらの要素が脳内の高レベル領域の情報フローと選択性を説明するのに役立つだけでなく、これらの神経機構が新しい分類枠組みの基礎となることも示している。
論文 参考訳(メタデータ) (2020-11-23T01:55:46Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。